The WEAVE-TwiLight-Survey: expanding WEAVE’s reach to bright and low-surface-density targets with a novel observing mode
Notice bibliographique
Résumé
ABSTRACT Current-day multi-object spectroscopic surveys are often limited in their ability to observe bright stars due to their low surface densities, resulting in increased observational overheads and reduced efficiency. Addressing this, we have developed a novel observing mode for WEAVE (William Herschel Telescope Enhanced Area Velocity Explorer) that enables efficient observations of low-surface-density target fields without incurring additional overheads from calibration exposures. As a pilot for the new mode, we introduce the WEAVE-TwiLight-Survey (WTLS), focusing on bright exoplanet-host stars and their immediate surroundings on the sky. High observational efficiency is achieved by superimposing multiple low-target-density fields and allocating the optical fibres in this configuration. We use a heuristic method to define fields relative to a central guide star, which serves as a reference for their superposition. Suitable guide fibres for each merged configuration are selected using a custom algorithm. Test observations have been carried out, demonstrating the feasibility of the new observing mode. We show that merged field configurations can be observed with WEAVE using the proposed method. The approach minimizes calibration times and opens twilight hours to WEAVE’s operational schedule. WTLS is built upon the new observing mode and sourced from the ESA PLATO long-duration-phase fields. This survey will result in a homogeneous catalogue of ∼6300 bright stars, including 62 known planet hosts, laying the groundwork for future elemental abundance studies tracing chemical patterns of planetary formation. This new observing mode (WEAVE-Tumble-Less) expands WEAVE’s capabilities to rarely used on-sky time and low-density field configurations without sacrificing efficiency.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».